# llama.cpp b11866 schrapt oudere Metal-schaalstap

> De release verwijdert Metal-reductiekernels en een scratchbuffer nu het schalen van expert-tokens is verplaatst naar de compute graph. Er zijn geen prestatiecijfers bekendgemaakt.

Oossa · 2026-10-24 · https://oossa.com/nl/llama-cpp-b11866-removes-an-older-metal-scaling-step

De release b11866 van het ggml-org-team voor llama.cpp verwijdert een herschalingsstap met een macht van twee uit een Metal-matrixvermenigvuldigingskernel voor mixture-of-experts-modellen. Volgens het project zorgt het schalen per expert-token in de compute graph er nu voor dat activaties bij de down-projectie binnen het bereik blijven dat f16 ondersteunt, voordat de bewerking wordt uitgevoerd.

Door die wijziging zijn ook tweestaps-reductiekernels, hun scratchbuffer en een f32-dispatchpad overbodig geworden. Ook zijn tests verwijderd voor invoerwaarden die buiten het f16-bereik vielen. De release vermeldt builds voor macOS op Apple Silicon en voor veel andere platforms; prestatie- of nauwkeurigheidsmetingen ontbreken.

## De feiten

- Release: b11866, gedateerd op 2026-10-24.
- De release verwijdert Metal-reductiekernels, een scratchbuffer en een GGML_PREC_F32-dispatchpad.

## Waarom het ertoe doet

Voor llama.cpp-gebruikers die mixture-of-experts-modellen op Metal draaien, vertrouwt de kernel nu op schaling die eerder in de compute graph plaatsvindt. De release vermeldt niet of dit de snelheid of de uitvoerkwaliteit verandert.

## Bronnen en referenties

1. [ggml-org/llama.cpp b11866](https://github.com/ggml-org/llama.cpp/releases/tag/b11866) – llama.cpp, 2026-10-24

Laatst bijgewerkt: 2026-10-24